Finalinvestigaciondeoperacionesjoeescobarcuartob 140406191506 Phpapp01

AGRADECIMIENTO
1
Joe Escobar
Pontificia Universidad Catlica del Ecuador Sede Ambato
Proyecto de Investigacin Operativa.
El investigador, estudiante y futuro profesional, agradece los

conocimientos impartidos durante todo el semestre en la Materia de
Investigacin de Operaciones por parte del ING. MIGUEL TORRES,
quien con sus tcnicas de enseanza ha permitido sistematizar, incluir
y resolver los problemas que las empresas tienen muy a menudo.
Es importante recalcar que la investigacin de operaciones es una
fuente importante en el enriquecimiento de los conocimientos nuevos
para resolver problemas de la vida.
Los conocimientos que fueron impartidos por parte del mismo docente
en semestres anteriores como Estadstica Inferencial o Aplicada e
Introduccin al Entorno Empresarial, son muy indispensables para la
adaptacin en la vida cotidiana empresarial, por lo que el investigador
agradece desde el fondo de su corazn, por todas las enseanzas que
se ha adquirido.
EXISTE SOLUCIN PARA

TODOS LOS PROBLEMAS EN
LA VIDA; UNICAMENTE NO
EXISTE SOLUCIN PARA LA
MUERTE.
INVESTIGACIN OPERATIVA
Unidad 1 Introduccin a la Investigacin Operativa.
1.1.- Breve historia, caractersticas y limitaciones de la Investigacin Operativa.

1.2.- Tipos de Modelos.
1.3.- Metodologa de la Investigacin Operativa.
1.4.- Tcnicas de Construccin de Modelos.
Unidad 2 Modelos de programacin lineal.
2.1.- Caractersticas de los Modelos de Programacin Lineal.

2.2.- Tcnicas de Formulacin de Modelos.
2.3.- Mtodo de solucin. (Grfico, Algebraico, Matricial, Computacional)
2.4.- Anlisis e Interpretacin de Resultados.
2.5.- Anlisis de Dualidad y Sensibilidad.
2.6.- Modelos Especiales de Programacin Lineal. (Transporte, Asignacin)
Unidad 3 Modelos de Redes
3.1.- Teora de los Grafos.

3.2.- Modelo de Ruta ms Corta..
3.3.- Mtodo de rbol Mnimo de Expansin.
3.4.- Mtodo de Flujo Mximo.
3.5.- Tcnicas PERT-CPM
Unidad 4 Modelo de Inventarios
4.1.- Caractersticas de los Modelos de Inventarios.

4.2.- Modelos Determinsticos.

4.3.- Modelos Estocsticos o Probabilsticos
INVESTIGACIN OPERATIVA
Modelos de Programacin Lineal
El que propuso los modelos de programacin lineal fue el Sr. George Dantzig a
travs del Modelo del Mtodo Simplex.
Modelos de Redes
Se tiene:
Modelo PERT (Tcnica de Programacin, Revisin y control de Proyectos).
Modelo CPM (Camino de la Ruta Crtica).
El modelo PERT, fue descrito por la Marina de USA por HAMILTON.
El modelo CPM fue desarrollado por la empresa DUPONT.
Modelo de Inventarios
El que propuso el modelo de Inventario fue el Sr. HARRIS, y se enfoc al lote

econmico del pedido. Tambin se enfoca hospitalario, industrial, financiero y de
transporte.
UNIDAD 1
DEFINICION DE MODELOS
Es la aplicacin del Mtodo Cientfico por grupos interdisciplinarios que sirven para
solucionar problemas interfuncionales, de la organizacin mediante modelos
matemticos con obtencin de una base cuantitativa para la toma de decisiones.
Proceso: Es una serie de actividades que necesitan entradas para obtener
salidas.
Los procesos son conocidos como insumos y son entregados por los proveedores.
Las salidas son los productos terminados y son entregados a disposicin de los
clientes.
La actividad debe tener un propsito.

La actividad debe descomponerse en tareas u operaciones.
La actividad debe ser equilibrada.
Para realizar la actividad se necesita de recursos.
Debe tener un diseo de procesos.
La actividad requiere de un procedimiento.
Procedimiento: Son las reglas, las normas y guas para efectuar la actividad.
Para verificar los procedimientos se tiene indicadores que facilitan y ayudan al
control.
Proceso para Solucionar Problemas
1.- Identificar el Problema

2.- Analizar las opciones.
3.- Evaluar una serie de Criterios.
4.- Seleccionar una alternativa.
5.- Toma de Decisin.
6.- Implementar.
7.- Evaluar
8.- Solucionar el Problema.
Limitaciones
En investigacin de operaciones slo se puede llevar a cabo un objetivo, tenemos

recursos limitados, puede existir limitacin econmica o computacional.
Modelo
Es la representacin real o fsica abstracta de lo real.
Tipos de Modelos
Existen modelos:
Matemticos
De simulacin
Formal
Mercado
Pueden ser modelos fsicos que son la representacin real de lo icnico o

analgico.
Icnico: Existe en realidad y puede ser a tamao original o a escala.
Analgico: Es igual a la representacin real pero no se usa, solo se usa como
herramientas emergentes.
Pueden existir modelos simblicos de los cuales se dividen en:
Modelo de tipo esttico y dinmico.

Modelos simulado y no simulado.
Modelo Determinsticos y probabilstico
Modelo estndar
Modelo cuantitativo y cualitativo.
Nota: Todos estos modelos definen los objetivos para maximizar ganancias o
minimizar costos.
Metodologa
Para la metodologa se sigue una serie de pasos que se describen en un diagrama

de flujo a continuacin:
Se construye otro modelo
1.- Definir el
Problema
Determinar Variables
de Decisin.
2.- Construccin
del Modelo
matemtico
mediante
recoleccin de
Visualizar
los
coeficientes tcnicos
Softwar
e
Matricia
l
Grfico
3.- Resolver el
Modelo
Mtodo
Programaci
n Lineal
4.- Solucin
5.- Validar el
Modelo
Se modifica
el Modelo
no
Si es o no
vlido
si
Coeficiente
Tcnico
Se
implementa
Limitante
3x + 2y 5
Variable de
Decisin
Construccin de un modelo
Pasos
Identificar las Variables de Decisin (Identificar con qu unidades)

Identificar los datos del Problema
Identificar los Coeficientes Tcnicos a travs de una tabla.
Identificar las Restricciones (Limitaciones)
Tipos de restricciones
Existen restricciones de tipo:

-
Fsica (Capacidad del Hombre y Maquinaria).

Administrativa (Alta gerencia).
Mercado (Capacidad ptima de productos).
Restricciones entre variables
Restricciones Lgicas (No negatividad)
Ejercicios de Construccin de Modelos

1.- Un comprador est tratando de solucionar la combinacin ms barata de 2
alimentos, I y II, que deben cumplir con ciertas cantidades diarias de Vitaminas.
Los requerimientos vitamnicos son por lo menos 40 onzas de Vitamina A, 50
onzas de Vitamina B y 49 onzas de Vitamina C. Cada onza de Alimento I
proporciona 4 unidades por onza de Vitamina A, 10 unidades por onza de Vitamina
B y 7 unidades por onza de Vitamina C. Cada onza del Alimento II proporciona 10
unidades por onza de Vitamina A, 7 unidades por onza de Vitamina B y 5 unidades
por onza de Vitamina C. El costo de Alimento I es de 5 centavos por onza y de 8
centavos por onza de Alimento II.
Cunto alimento de cada tipo se debe combinar para minimizar costos y a su

vez cumplir con los requerimientos vitamnicos?
Identificacin de Variables
x1 = Cantidad de Onzas de Alimento I

x2 = Cantidad de Onzas de Alimento II
Datos
Funcin Objetivo
Z = 0.05X1+0.08X2 (La funcin Objetivo se da en funcin del Costos o Beneficio)
Restricciones (Modelo Matemtico)
4x1 + 10x2 40 (Fsica)

10x1 + 7x2 50 (Fsica)
7x1 + 5x2 49 (Fsica)
x1 ^ x2 0 (Lgica)
Unidad 2
Programacin Lineal
Son inecuaciones o representaciones de tipo lineal.

Su objetivo es optimizar los recursos de la Empresa.
La programacin lineal sigue la misma metodologa de la Investigacin de
operaciones.
Para resolver los problemas planteados se efecta de dos mtodos:
Mtodo Grfico
Mtodo Algebraico
Estos dos mtodos solo sirven para 2 variables de decisin.

Tambin se puede resolver por mtodo simplex y por mtodo computacional entra
mecanismos como Solver, Prolin y Tora.
Ejercicio de Mtodo Grfico

2. En una pastelera se hacen dos tipos de tartas: Vienesa y Real. Cada tarta
Vienesa necesita un cuarto de relleno por cada Kg. de bizcocho y produce un
beneficio de 250 dlares, mientras que una tarta Real necesita medio Kg. de
relleno por cada Kg. de bizcocho y produce 400 dlares de beneficio. En la
pastelera se pueden hacer diariamente hasta 150 Kg. de bizcocho y 50 Kg. de
relleno, aunque por problemas de maquinaria no pueden hacer mas de 125 tartas
de cada tipo.
Cuntas tartas Vienesas y cuantas Reales deben vender al da para que sea
mximo el beneficio?
Solucin
10
x1 = Cantidad de tartas Vienesas

x2 = Cantidad de tartas Reales
Datos
Funcin Objetivo
Z = 250X1+400X2 (La funcin Objetivo se da en funcin del Costos o Beneficio)
x1 + x2 150 (Fsica)
0.25x1 + 0.5x2 50 (Fsica)
x1 125 (Fsica)
x2 125 (Fsica)
x1 ^ x2 0 (Lgica)
Consideramos las rectas auxiliares a las restricciones y dibujamos la regin
factible:
Para 0.25x+0.50y=50, x + 2y=200, sta ecuacin se obtiene al multiplicar a
todos los coeficientes por 4.
x
0
200
Y
10
0
0
Para x + y =150
11
x
0
Y
15
0
0
15
0
La otras dos son paralelas a los ejes
Al eje Y
x=125
Al eje x
y =125
Y las otras restricciones tanto x como y son mayor o igual a cero, nos indican que
las soluciones deben estar en el primer cuadrante
La regin factible la hemos coloreado de amarillo:
Encontremos los vrtices:

El O(0,0), el A(125, 0) y el D(0, 100) que se pueden encontrar directamente ya
que son las intersecciones de las inecuaciones.
El vrtice que no tenemos conocimiento es C, por lo que se procede a resolver el
sistema.
, por suma y resta obtenemos y=50, x=100

Entonces el vrtice es el punto C(100, 50)
El ltimo vrtice que es B es el que nos falta y se obtiene resolviendo el sistema:
12
x + y =150
x =125
Cuya solucin es: X=125, Y=25 B(125, 25)
Los vrtices de la regin son:

O(0,0)
A(125,0)
B(125,25)
C(100,50)
D(0,100),
Para hallar la solucin ptima se coloca la funcin objetivo con cada vrtice y se
sustituye los puntos de cada vrtice en cada funcin objetivo as:
En Vrtice O (0,0)
Z1 = 250x1+400x2 / Z1 = 250(0)+400(0) / Z1 = 0
En Vrtice A (125,0) Z2 = 250x1+400x2 / Z2 = 250(125)+400(0) / Z2 = 31250
En Vrtice B (125,25) Z3.= 250x1+400x2 / Z3 = 250(125)+400(25)/ Z3 = 41250
En Vrtice C (100,50) Z4 = 250x1+400x2 / Z4 = 250(100)+400(50)/ Z4 = 45000
En Vrtice D (0,100) Z5 = 250x1+400x2 / Z5 = 250(0)+400(100)/ Z5 = 40000
El mximo beneficio es 45.000 y se obtiene en el punto B (100, 50)

Conclusin: Se tienen que vender 100 tartas vienesas y 50 tartas reales para
maximizar las ganancias a 45000 dlares.
Ejercicio de Mtodo Algebraico

Tomamos como referencia el mismo ejercicio tomado en el Mtodo Grfico.
3. En una pastelera se hacen dos tipos de tartas: Vienesa y Real. Cada tarta
Vienesa necesita un cuarto de relleno por cada Kg. de bizcocho y produce un
beneficio de 250 dlares, mientras que una tarta Real necesita medio Kg. de
relleno por cada Kg. de bizcocho y produce 400 dlares de beneficio. En la
pastelera se pueden hacer diariamente hasta 150 Kg. de bizcocho y 50 Kg. de
13
relleno, aunque por problemas de maquinaria no pueden hacer mas de 125 tartas
de cada tipo.
Cuntas tartas Vienesas y cuantas Reales deben vender al da para que sea
mximo el beneficio?
Solucin
Tomamos las restricciones y la funcin objetivo:
Funcin Objetivo
Z = 250X1+400X2 (La funcin Objetivo se da en funcin del Costos o Beneficio)

x1 + x2 150 (Fsica)
0.25x1 + 0.5x2 50 (Fsica)
x1 125 (Fsica)
x2 125 (Fsica)
x1 ^ x2 0 (Lgica)
Aqu aumentamos la variable de holgura o quitamos la variable de exceso.

Entonces transformamos de inecuaciones a ecuaciones:
x1 + x2 + h1= 150
0.25x1 + 0.5x2 + h2 = 50
x1 + h3= 125
x2 + h4= 125
x1 ^ x2 0
Funcin Objetivo
El
coeficiente
en
las
restricciones de la variable
de holgura es de 1 y en la
funcin objetivo es de 0.
Z = 250X1+400X2+0h1+0h2+0h3+0h4
Aplicacin Estadstica
n!
nCr=
r ! ( nr ) !
nCr=
6!
4 ! ( 64 ) !
Todas
las
variables
de
decisin deben ser mayores
o iguales a 0 para que exista
una solucin factible.
Hay
que
encontrar
las
combinaciones necesarias.
n= numero de Variables de
Decisin.
r= numero de restricciones.
No se toma en cuenta la no
negatividad.
14
nCr=
720
24 ( 2 )
nCr=
720
24 ( 2 )
nCr=15
Combinaciones
Primera Combinacin
Segunda Combinacin
Tercera Combinacin
15
Cuarta Combinacin
Quinta Combinacin
Sexta Combinacin
Sptima Combinacin
Octava Combinacin
16
Novena Combinacin
Dcima Combinacin
Decimoprimera Combinacin
Decimosegunda Combinacin
17
Decimotercera Combinacin
Dcimo Cuarta Combinacin
Dcimo Quinta Combinacin
El mximo beneficio es 45.000 y se obtiene en el punto B (100, 50)

Conclusin: Se tienen que vender 100 tartas vienesas y 50 tartas reales para
maximizar las ganancias a 45000 dlares.
Mtodo Simplex
18
El mtodo Simplex es un procedimiento iterativo que permite ir mejorando la

solucin a cada paso. El proceso concluye cuando no es posible seguir mejorando
ms dicha solucin.
Partiendo del valor de la funcin objetivo en un vrtice cualquiera, el mtodo
consiste en buscar sucesivamente otro vrtice que mejore al anterior.
Deber tenerse en cuenta que este mtodo slo trabaja para restricciones que
tengan un tipo de desigualdad "" y coeficientes independientes mayores o iguales
a 0, y habr que estandarizar las mismas para el algoritmo. En caso de que
despus de ste proceso, aparezcan o no varen las restricciones del tipo "" o "="
habr que emplear otros mtodos.
PREPARANDO EL MODELO PARA ADAPTARLO AL MTODO SIMPLEX
Esta es la forma estndar del modelo:
Funcin objetivo:
Sujeto a:
c1x1 + c2x2 + ... + cnxn

a11x1 + a12x2 + ... + a1nxn = b1
a21x1 + a22x2 + ... + a2nxn = b2
...
am1x1 + am2x2 + ... + amnxn = bm
x1,..., xn 0
Para ello se deben cumplir las siguientes condiciones:
El objetivo es de la forma de maximizacin o de minimizacin.

Todas las restricciones son de igualdad.
Todas las variables son no negativas.
Las constantes a la derecha de las restricciones son no negativas.
En el mtodo simplex se debe tener una distinta nomenclatura as:
b= Limitaciones
a= Coeficientes de Variables en las restricciones
19
m= nmero de filas
n= nmero de columnas
i= representa la fila y el nmero de restricciones
j= representa la columna y el nmero de variables
Ejercicio de Mtodo Simplex

Ejercicio Caso de Maximizacin (Mtodo Simplex)
4.- El taller DURAMAZ, se limita a la produccin de escritorios y pupitres,
completamente se han calculado que las utilidades unitarias son de 30 dlares
para los escritorios y 20 dlares para los pupitres. Cada producto pasa por tres
departamentos del taller; Metalistera, Pintura y Ensamblaje, cuyas
disponibilidades de tiempo en horas al mes son, 15000, 9000 y 7000
respectivamente. Para la elaboracin de los escritorios se requieren por unidad de
30 horas de Metalistera, 10 en Pintura y 12 en Ensamblado, en tanto que los
requerimientos del tiempo por unidad para los pupitres son de 15 horas en
Metalistera, 10 en Pintura y 10 en Ensamblaje. Cuntos escritorios y pupitres
deben producirse ptimamente para maximizar las ganancias?
Solucin
x1 = Cantidad de Escritorios a Producir

x2 = Cantidad de Pupitres a Producir
Datos
Funcin Objetivo
Z = 30X1+20X2 (La funcin Objetivo se da en funcin del Costos o Beneficio o Utilidad)
30x1 + 15x2 15000 (Fsica)

20
10x1 + 10x2 9000 (Fsica)

12x1 + 10x2 7000 (Fsica)
x1 ^ x2 0 (Lgica)
Transformacin a Ecuaciones
30x1 + 15x2 + h1 = 15000 (Fsica)
10x1 + 10x2 + h2 = 9000 (Fsica)
12x1 + 10x2 + h3 = 7000 (Fsica)
x1; x2; h1; h2; h3 0 (Lgica)
Z = 30X1+20X2+0h1+0h2+0h3
Para
transformar
las
restricciones a ecuaciones,
se procede a aumentar la
variable de holgura cuando
se trata de maximizar o
disminuir la variable de
exceso cuando se trata de
Armar la Matriz
Para armar la matriz se procede a elaborar en este modelo de matriz, los nmeros
corresponden a los coeficientes tcnicos tanto de la funcin objetivo que est
representado con la letra Cj y los de las restricciones. En la columna Xi se ubica las
variables de holgura con sus valores que en el proceso irn saliendo por las variables
normales. En la columna de bi se ubica las limitantes y en este caso se ubicalos
valores de la disponibilidad de tiempo.
21
De la misma Matriz se puede armar varias matrices hasta que nos d la solucin,
la solucin ptima es cuando los nmeros en la fila de (Cj-Zj) sean iguales a
nmeros negativos o ceros siendo ste caso de Maximizar.
Para obtener los valores de la fila Zj se procede a multiplicar los valores de la
columna Cj por cada valor de cada columna que conforma la matriz. Los valores
de zj estn dados por sta frmula como ejemplo:
Zj = (0*15000) + (0*9000) + (0*7000) = 0
Nota: Por lo general en la primera matriz en caso de Maximizacin, los valores de
la fila Zj son ceros.
Para calcular los valores de (Cj Zj) se obtienen al restar cada valor de la fila Cj
menos cada valor de la fila de Zj.
Como se puede ver, la matriz actual no llega a la solucin ptima porque tenemos
nmeros positivos, por lo que se procede a elaborar las matrices necesarias para
llegar a la solucin ptima.
Despus de llenar la primera matriz, se escoge el mayor nmero positivo de la fila
de (Cj Zj). Cada valor de la columna de bi son divididos para cada valor de la
columna que se seal, entonces queda as:
De la columna de (bi/aij) se escoge el menor nmero positivo y se seala toda esa

fila as:
22
El nmero que est sealado con color amarillo se denomina PIVOTE y ese valor
resulta al cruzar la fila y la columna sealada.
Ahora si se procede a armar una nueva matriz, la nueva matriz queda as:
La nueva matriz no tiene valores debido a que solo resulta tener valores en la fila
de la variable x1, si nos damos cuenta la variable x1 que estaba en la parte
superior se ubica ahora en la columna Xi (indica la variable que entra y la que
sali). Todos los valores de la fila de la variable que entr se obtienen al dividir
cada valor para el pivote, es decir se aplica sta frmula como ejemplo:
Valor de la fila de la variable que entr= 15000/30 = 500
Una vez que se hayan completado los valores de la fila donde se ubica el pivote,
los valores debajo del valor de donde estaba el pivote son ceros, de ah se
procede a llenar los espacios faltantes, por lo que para encontrar cada valor en la
matriz, se aplica la siguiente frmula:
23
Elemento a Encontrar = Elemento Actual de la matriz anterior - (Elemento de

la Fila Sealada de la matriz anterior * Elemento de la Columna Sealada de
la matriz anterior)/ PIVOTE
La matriz nueva queda as:
Como no tenemos en la fila (Cj-Zj) que todos los nmeros sean negativos o ceros,
se procede al mismo proceso anteriormente descrito.
Finalmente llegamos a la solucin ptima debido a que en la fila de (Cj Zj) se

obtiene nmeros negativos o ceros.
Conclusin: Quiere decir que se tiene que producir 375 escritorios y 250 pupitres
para maximizar las ganancias a 16250 dlares.
Caso de Minimizacin (Mtodo Simplex)

24
Para minimizacin se procede a elaborar el mismo proceso que para los ejercicios
de maximizacin, la diferencia es que aqu el momento de transformar las
restricciones a ecuaciones se disminuye la variable de exceso y se aumenta una
variable alterna, sta variable alterna est representada con la letra a y su valor es
de M.
Ejercicio Caso de Minimizacin (Mtodo Simplex)

5.-
La empresa Bugatti produce autos de Carrera, la empresa produce dos
modelos de automviles que son el Veyron y el Verona, estos autos implican una
gran inversin en fabricacin por lo que se necesita formular un modelo
matemtico para minimizar costos. La empresa Bugatti tiene dos departamentos
de Fabricacin, el de Ensamblaje y el de Construccin. En el departamento de
Ensamblaje el Veyron utiliza 1 da de ensamblaje, el Verona utiliza 2 das de
25
ensamblaje. Disponen de 10 das para ensamblar estos autos. En el departamento

de Construccin el Veyron utiliza 3 das de construccin y el Verona utiliza 1 da de
Construccin disponiendo de 15 das para construir. Si los costos por fabricar cada
auto son de 5 y 3 millones de Euros para cada uno respectivamente, Cuntas
unidades de cada Auto debern fabricar para minimizar los costos de produccin?
Solucin
x1 = Cantidad de Veyron
x2 = Cantidad de Verona
Datos
Funcin Objetivo (MIN)
x1 + 2x2 10 (Fsica)
3x1 + x2 15 (Fsica)
x1 ^ x2 0 (Lgica)
x1 + 2x2 h1 + a1 = 10 (Fsica)
3x1 + x2 h2 + a2 = 15 (Fsica)
X1; x2; h; h2; a; a2 0 (Lgica)
Para
transformar
las
se procede a disminuir la
de exceso cuando
Pontificia Universidad Catlica del Ecuadorvariable
Sede Ambato
26
se trata de minimizar y
adems se aumenta la
Z = 5X1+3X2-0h1-0h2+Ma1+Ma2
Armar la Matriz
Existen algunas reglas, para armar la matriz se lo hace igual al caso de

maximizacin pero en la Matriz en los valores de (Cj Zj) se escoge el nmero
ms negativo y en la columna de bi/aij va el menor nmero positivo, la matriz
queda as ya pintada con filas y columnas sealadas y la solucin ptima. La
solucin ptima es cuando en la fila de (Cj Zj) los valores son positivos o ceros.
Conclusin: Se debe producir 3 autos Verona y 4 autos Veyron para minimizar el

costo a 29 millones de euros.
MTODO DUAL O DUALIDAD

El mtodo Dual o dualidad, es un mtodo de minimizacin, es el mtodo que
utiliza las propiedades del Simplex y que usa su metodologa.
Para realizar ejercicios de dualidad se debe seguir 8 pasos importantes y son:
1. Si el primal tiene n variables de decisin, el dual tiene n restricciones.
2. Si el primal tiene m restricciones, el dual tiene m variables de decisin.
27
3. Los lados derechos de las restricciones se convierten en los coeficientes de

la funcin objetiva del dual.
4. Los coeficientes de la funcin objetiva del primal se convierten en los lados
derechos del dual.
5. Los coeficientes de las restricciones del primal son los coeficientes de las
restricciones del dual.
6. No hay que olvidar la No negatividad.
7. Los signos del dual deben ser mayor o igual.
8. Si es caso de minimizacin en funcin primal, se transforma a maximizacin
en primal y se vuelve a transformar en dual de minimizacin.
En ste caso vamos a realizar el mismo ejercicio del Mtodo Simplex que se
detallo al anterior. Los resultados salen los mismos solo que la ubicacin de las
respuestas se ubica en otro lugar a diferencia del simplex.
Ejercicio Caso de Minimizacin (Mtodo DUAL)

6.- El taller DURAMAZ, se limita a la produccin de escritorios y pupitres,
completamente se han calculado que las utilidades unitarias son de 30 dlares
para los escritorios y 20 dlares para los pupitres. Cada producto pasa por tres
departamentos del taller; Metalistera, Pintura y Ensamblaje, cuyas
28
disponibilidades de tiempo en horas al mes son, 15000, 9000 y 7000

respectivamente. Para la elaboracin de los escritorios se requieren por unidad de
30 horas de Metalistera, 10 en Pintura y 12 en Ensamblado, en tanto que los
requerimientos del tiempo por unidad para los pupitres son de 15 horas en
Metalistera, 10 en Pintura y 10 en Ensamblaje. Cuntos escritorios y pupitres
deben producirse ptimamente para maximizar las ganancias?
Solucin
x1 = Cantidad de Escritorios a Producir

x2 = Cantidad de Pupitres a Producir
Datos
Funcin Objetivo (MAX)
Restricciones (Modelo Matemtico) Funcin Primal

30x1 + 15x2 15000 (Fsica)
10x1 + 10x2 9000 (Fsica)
12x1 + 10x2 7000 (Fsica)
x1 ^ x2 0 (Lgica)
Funcin Objetivo (MIN)
Z = 15000W1 + 9000W2 + 7000W3
Restricciones (Modelo Matemtico) Funcin Dual

29
30w1 + 10w2 + 12w3 30

15w1 + 10w2 + 10w3 20
w1 ^ w2 ^ w3 0 (Lgica)
30w1 + 10w2 + 12w3 v1 + a1 30
15w1 + 10w2 + 10w3 v2 + a2 20
w1 ^ w2 ^ w3 0 (Lgica)
Z = 15000w1+9000w2+7000w3-0v1-0v2+Ma1+Ma2
Armar la Matriz
Para
transformar
las
se procede a aumentar la
variable de holgura cuando
se trata de maximizar o
disminuir la variable de
exceso cuando se trata de
La posicin de las respuestas cambian, pero no sus valores. Quiere decir que se
van a producir 375 escritorios y 250 pupitres para minimizar costos a 16250
dlares.
Modelos de Programacin Lineal Especial

MODELO DE TRANSPORTE
El modelo de transporte busca determinar un plan de transporte de una mercanca
de varias fuentes a varios destinos. Los datos del modelo son:
Nivel de oferta en cada fuente y la cantidad de demanda en cada destino.

El costo de transporte unitario de la mercanca a cada destino.
30
Como solo hay una mercanca un destino puede recibir su demanda de una o ms
fuentes. El objetivo del modelo es el de determinar la cantidad que se enviar de
cada fuente a cada destino, tal que se minimice el costo del transporte total. La
suposicin bsica del modelo es que el costo del transporte en una ruta es
directamente proporcional al nmero de unidades transportadas. La definicin de
unidad de transporte variar dependiendo de la mercanca que se transporte.
Para la resolucin del modelo de transporte se puede hacer dos tipos de
resolucin, por computadora mediante el Excel por el Solver y manualmente. A
continuacin se detalla un ejercicio aplicado con los dos mtodo de resolucin.
Modelo de Transporte (Resolucin en Excel)

7.- La empresa Garca Autos desea minimizar los costos de envo de sus
automviles, desean enviar sus autos desde 3 de sus sucursales, ubicadas en
Santo Domingo, Ambato y Cuenca a 4 concesionarias del pas que son Chevrolet,
Toyota, Nissan y Hyundai. Los costos de envo se presentan en una tabla a
continuacin:
31
Formule el modelo matemtico respectivo para minimizar los costos y visualizar

cuantos automviles se tiene que enviar de las sucursales a las concesionarias.
Resolucin del Modelo de Transporte (Resolucin en Excel)

De los datos anteriores de la tabla de costos de envo, el investigador ilustra en
una nueva tabla que servir para mejor interpretacin y resolucin del Modelo.
Identificacin de Variables:
XA1; XA2; XA3; XA4
XB
1; XB2; XB3; XB4
XC1;
XC2; XC3; XC4
Se tiene 12 variables de Decisin
Obtencin de Datos:
Funcin Objetivo:
32
FO (MIN)
Z = 5XA1+3XA2+2XA3+6XA4+4XB1+7XB2+8XB3+10XB4+6XC1+5XC2+3XC3+8XC4
Restricciones
XA1 + XA2 + XA3 + XA4 1700

XC1 = 1700
XB1 + XB2 + XB3 + XB4 2000
XC2 = 1000
Demanda
XC1 + XC2 + XC3 + XC4 1700
+ XC3 = 1500
XA1 + XB1 +
Oferta
XA2 + XB2 +
XA3 + XB3
XA4 + XB4 + XC4
= 1200
Xij 0 Donde i= A-C y j= 1- 4 / NO NEGATIVIDAD
Resolucin
Para resolver el Modelo de Transporte, el investigador emplea la resolucin del

Mtodo Solver, el procedimiento se efecta as; primero se ordena las variables de
decisin en una sola fila, despus se ubica los coeficientes de la funcin objetivo
debajo de las variables. Seguido se ubica las restricciones de oferta y demanda,
para ubicar las restricciones nicamente se coloca los coeficientes de las variables
de las restricciones con sus limitantes tanto de oferta como de demanda.
Por ltimo se ubica las unidades a enviar en fila, aqu las unidades toman el valor
de 1, a su lado se ubica el mnimo costo que deber emplear para optimizar el
costo.
33
Modelo de Transporte/ EXCEL/ SOLVER
Despus usando el Solver obtenemos sta ventana:
Se coloca la opcin de Mnimo, en la celda objetivo se coloca la suma de las

unidades a enviar por el coeficiente de la funcin objetivo, luego se ubica en
cambiando las celdas todas las celdas que contienen coeficiente 1 en unidades a
enviar; finalmente se coloca las restricciones.
Al colocar las restricciones obtenemos sta ventana:
Las restricciones se ubican en la referencia de la celda y restriccin, es decir la

celda que ocupa la primera fila que en ste caso es 4, se ubica mayor o igual en el
smbolo y en la casilla de restricciones se ubica la primera fila correspondiente a la
limitante de la fila de las restricciones de oferta que es 1700 y as respectivamente
hasta completar todas las restricciones, cabe recalcar que no hay que olvidar
colocar la restriccin de no negatividad.
34
Finalmente hacemos click en resolver, obtenemos la nueva tabla con las unidades
a enviar y el mnimo costo ptimo as:
Modelo de Transporte/ EXCEL/ SOLVER
Interpretacin
En la tabla podemos ver las unidades a enviar, quiere decir que vamos a enviar y distribuir
las unidades de automviles de la siguiente forma:
Modelo de Transporte/ Unidades a Enviar/ Costo ptimo.
Se tiene que enviar stas unidades de autos a un costo establecido por unidad
para minimizar el costo a 23100.
35
Modelo de Transporte (Resolucin Manual)
8.- La empresa Garca Autos desea minimizar los costos de envo de sus
automviles, desean enviar sus autos desde 3 de sus sucursales, ubicadas en

Santo Domingo, Ambato y Cuenca a 4 concesionarias del pas que son Chevrolet,
Toyota, Nissan y Hyundai. Los costos de envo se presentan en una tabla a
continuacin:
Formule el modelo matemtico respectivo para minimizar los costos y visualizar

cuantos automviles se tiene que enviar de las sucursales a las concesionarias.
Resolucin del Modelo de Transporte (Resolucin Manual)

De los datos anteriores de la tabla de costos de envo, el investigador ilustra en
una nueva tabla que servir para mejor interpretacin y resolucin del Modelo.
36
XA1; XA2; XA3; XA4

XB
1; XB2; XB3; XB4
XC1;
XC2; XC3; XC4
Obtencin de Datos:
Funcin Objetivo:
FO (MIN)
Z = 5XA1+3XA2+2XA3+6XA4+4XB1+7XB2+8XB3+10XB4+6XC1+5XC2+3XC3+8XC4
Restricciones
XA1 + XA2 + XA3 + XA4 1700

XC1 = 1700
XB1 + XB2 + XB3 + XB4 2000
XC2 = 1000
Demanda
XC1 + XC2 + XC3 + XC4 1700
+ XC3 = 1500
XA1 + XB1 +
Oferta
XA2 + XB2 +
XA3 + XB3
XA4 + XB4 + XC4
= 1200
Resolucin
Para resolver por mtodo manual, el investigador usa el Mtodo del Costo Mnimo,
donde usa los coeficientes de la funcin objetivo como costos de la matriz, aqu se
ubican datos de oferta y demanda, tambin se ubica el costo Zj que es el nmero
de unidades del cuadro lleno por el costo, los datos en la matriz se presentan as:
37
De la matriz anterior se procede a calcular los costos de oportunidad que son Ui y

Vj, esto se realiza con el fin de ms adelante obtener los costos implcitos,
recuadros de color azul y que se ubican nicamente en recuadros vacos, para
obtener tanto los costos implcitos y costos de oportunidad se tiene dos frmulas
que son:
Ui = Cj Vj Frmula para calcular costos de oportunidad
Zj = Ui + Vj Frmula para calcular costos implcitos
Nota: Ui en el primer casillero empieza con valor de 0 para comenzar a obtener

los dems costos. nicamente Ui se puede sacar con casilleros llenos al igual que
Vj.
Despus se procede a llenar la matriz con los costos de oportunidad y costos
implcitos, de ah debe cumplir 2 condiciones importantes, primero que los cuadro
llenos con cantidades sean igual al nmero de soluciones factibles mediante la
formula m+n - 1 .
La segunda condicin es que Zj < Cj, caso contrario ese casillero que no cumple
debe ser optimizado, nicamente se efecta la segunda condicin en casilleros
vacos.
38
Zj = [(200*3) +
(1700*4) +
(800*5) +
Zj = 24600
(1500*2) +
(300*10) +
(900*8)]
Se puede observar que el cuadro sealado con el punto rojo no cumple con la
segunda condicin y que an el costo es muy alto por lo que se procede a
optimizar.
Para optimizar el cuadro que no cumple con la condicin se efecta el Cruce del
Arroyo.
ste cruce del arroyo consiste en buscar la solucin que va a entrar en el cuadro
que no cumple la condicin; de forma que se traza una trayectoria con lneas
horizontales y verticales. El punto de partida es el cuadro que hay que optimizar y
empieza con signo positivo, de ah se sigue la trayectoria con lneas cambiando de
signo hasta llegar al punto de partida. nicamente se puede hacer la trayectoria
con cuadros llenos como interseccin, ya que si se llega a un cuadro lleno y no
hay otro cuadro lleno, no se puede seguir haciendo la trayectoria.
Por eso es que se les asign signos a los cuadros llenos y a la trayectoria para
cumplir con el cruce del arroyo, entonces de ah se asigna de los dos cuadros con
signo negativo, el menor valor al cuadro de partida.
39
Una vez asignado al cuadro de partida, hay que restar lo que se asign al cuadro
con signo negativo, de ah se suma lo que se asigno al cuadro con signo positivo y
se vuelve a restar lo que se asign hasta llegar al origen. Una vez terminada la
trayectoria se copia los valores no afectados por el cruce y se visualiza si es que
es ptimo o no.
Nota: Llega a ser ptimo cuando cumple todas las condiciones anteriormente
nombradas.
Trayectoria para el Cruce del arroyo
La nueva matriz queda de esta forma:
40
Zj = [(1000*3) + (700*2) + (1700*4) + (300*10) + (800*3) + (900*8)]

Zj= 23800
Ahora el casillero que no cumple es el que est sealado, por ende el costo sigue
siendo alto se procede a elaborar de nuevo el cruce del arroyo para optimizar el
casillero y todo el proceso anteriormente detallado. La nueva trayectoria es:
Trayectoria para el Cruce del arroyo
Trayectoria para el Cruce del arroyo en la Matriz
La nueva matriz queda de sta forma:

41
Matriz Final/ ptima solucin
Zj = [(1000*3) + (700*6) + (1700*4) + (300*10) + (1500*3) + (200*8)]

Zj = 23100
Interpretacin
Se puede visualizar que los costos implcitos son menores o iguales a los costos
planteados, tambin la demanda y la oferta suman la misma cantidad lo que nos
dice que el sistema est balanceado, adems cumple el nmero de soluciones
factibles. Entonces las unidades a enviar son:
Modelo de Transporte/ Unidades a Enviar/ Costo ptimo.
Se tiene que enviar stas unidades de autos a un costo establecido por unidad
para minimizar el costo a 23100 dlares.
Nota: Si se compara el cuadro de envo resuelto por mtodo manual con el cuadro
de envo por mtodo Solver, la distribucin de envo de autos cambia, pero lo que
nunca puede cambiar es el costo de envo.
42
La primera matriz que se obtiene en el modelo es una solucin de arranque.

Los pasos bsicos de la tcnica de transporte son:
Paso 1: Determinar una solucin factible
Paso 2: Determinar la variable que entra, que se elige entre las variables no
bsicas. Si todas estas variables satisfacen la condicin de optimidad (del mtodo
simplex), detngase; de lo contrario, dirjase al paso 3
Paso 3: Determinar la variable que sale (mediante el uso de la condicin de
factibilidad) de entre las variables de la solucin bsica actual; despus obtngase
la nueva solucin bsica. Regrese al paso 2
Modelos de Programacin Lineal Especial

MODELO DE ASIGNACIN
43
Un problema de asignacin es un problema de transporte balanceado, en el cual

todas las ofertas y todas las demandas son iguales a uno. Se puede resolver
eficientemente un problema de asignacin m x m mediante el mtodo Hngaro.
Las filas deben ser iguales a las columnas, por lo que la matriz debe ser cuadrada.
Paso 1.- Se empieza por encontrar el elemento ms pequeo en cada rengln de
la matriz de costos. Construya una nueva matriz, al restar de cada costo, el costo
mnimo de su rengln. Encuentre, para esta nueva matriz el costo mnimo en cada
columna. Construya una nueva matriz ( la matriz de costos reducidos ) al restar de
cada costo el costo mnimo de su columna.
Paso 2.- Dibuje el mnimo nmero de lneas (horizontales o verticales ) que se
necesitan para cubrir todos los ceros en la matriz de costos reducidos. Si se
requieren m lneas para cubrir todos los ceros, siga con el paso 3.
Paso 3.- Encuentre el menor elemento no cero (llame su valor k en la matriz de
costos reducidos, que no est cubiertos por las lneas dibujadas en el paso
2. Ahora reste k de cada elemento no cubierto de la matriz de costos reducidos y
sume k a cada elemento de la matriz de costos reducidos cubierto por dos
lneas. Regrese al paso 2.
Un problema de asignacin es un problema de transporte balanceado en el que
todas las ofertas y demandas son iguales a 1; as se caracteriza por el
conocimiento del costo de asignacin de cada punto de oferta a cada punto de
demanda. La matriz de costos del problema de asignacin se llama: matriz de
costos.
Como todas las ofertas y demandas para el problema de asignacin son nmeros
enteros, todas las variables en la solucin ptima deben ser valores enteros.
Ejercicio (Mtodo de Asignacin)
9.- La empresa General Motors de USA, dispone de 3 excelentes trabajadores y 3
nuevos trabajos por realizar, la tabla a continuacin indica los valores en miles de
44
dlares de lo que General Motors estima le costara a cada trabajador completar

su tarea. Cul es la asignacin de cada Trabajador para minimizar el costo?
XA1; XA2; XA3
XB1; XB2; XB3
XC1; XC2; XC3
Obtencin de Datos:
Funcin Objetivo:
FO (MIN)
Z = 11XA1+14XA2+6XA3+8XB1+10XB2+11XB3+9XC1+12XC2+7XC3
Restricciones
XA1 + XA2 + XA3 1

XB1 + XB2 + XB3 1
Demanda
XC1 + XC2 + XC3 1
Oferta
XA1 + XB1 + XC1 = 1

XA2 + XB2 + XC2 = 1
XA3 + XB3 + XC3 = 1
Resolucin
45
1.- A cada fila se le resta el

nmero menor.
2.- A cada columna se le

resta el nmero menor.
3.- Se cubre con el menor

nmero de lneas verticales
u horizontales las filas o
columnas que tengan ceros.
4.- A los nmeros que no

son cubiertos con las lneas
y que quedan libres, se les
resta el menor de todos los
nmeros no cubiertos.
5.- El nmero de filas es
igual al nmero de columnas
y debe ser igual al nmero
de lneas, por lo tanto la
solucin es ptima cuando el
nmero de lneas llega a ser
igual al nmero de gilas y
columnas de la matriz.
46
Distribucin de tareas
Trabaja
dor
A
B
C
Tarea
3
2
1
El trabajador A se va a ejecutar la tarea 3.

El trabajador B se va a ejecutar la tarea 2
El trabajador C se va a ejecutar la tarea 1
Trabaja
dor
A
B
C
Tarea
3
2
1
Costo
6
10
9
25
Se reduce el Costo a 25 mil dlares.
El mtodo de asignacin finaliza analizando que el costo mnimo es por los tres
trabajadores que se desea asignar para as poder tomar decisiones y mejorar las
asignaciones de empleados a tareas.
Unidad 3
Modelo de Redes
47
El modelo de redes se denomina el modelo de los Grafos, que es una

representacin grfica de los mtodos para tomar decisiones.
Para ste modelo de los Grafos se tiene 3 submodelos y son:
Modelo de la Ruta ms Corta (Minimizar Distancias)

Modelo del rbol de mnima expansin (Minimizar y dibujar distancias)
Modelo del Flujo Mximo (Optimizar Criterios para enviar mercadera)
Modelo PERT-CPM (Red para administrar proyectos).
Modelo de la Ruta ms Corta

El problema de la ruta ms corta incluye un juego de nodos conectados donde
slo un nodo es considerado como el origen y slo un nodo es considerado como
el nodo destino. El objetivo es determinar un camino de conexiones que minimizan
la distancia total del origen al destino.
Se trata de encontrar la ruta de menor distancia, o costo, a entre el punto de
partida o nodo inicial y el destino o nodo terminal.
Se tienen n nodos, partiendo del nodo inicial y terminando en el nodo final
n.
Arcos bi-direccionales conectan los nodos con distancias mayores que
cero.
Se desea encontrar la ruta de mnima distancia que conecta el nodo 1 con
el nodo n.
Por medio de la aplicacin del algoritmo de este problema podemos
conocer la menor distancia entre un nodo origen y un nodo destino.
Pasos a Seguir para elaborar la red:
Elaborar un cuadro con todos los nodos y los ramales que salen de l.
48
Partiendo del origen, debemos encontrar el nodo ms cercano a l.

Anular todos los ramales que entren al nodo ms cercano elegido.
Comenzando en el origen se debe encontrar el nodo ms cercano a l, por
intermedio del los nodos ya elegidos volver al tercer paso hasta llegar al
destino.
El mtodo de la ruta ms corta se puede aplicar tambin por medio de

Software, por lo que es necesario tener el Programa WINQSB 2.0 para resolver
stos problemas.
Ejercicio (Mtodo Ruta ms Corta)
49
10.- TRAPICHE DE MENDOZA, enva con frecuencia canecas de vino a 8

localidades diferentes. La empresa considera que el total de sus costos se
minimizara si pudiera asegurarse de que todos los envos futuros a cualquiera
de las localidades se realicen siguiendo la ruta ms corta. Por tanto, su objetivo
consiste en especificar cules son las rutas ms cortas desde el nodo de inicio
hasta cualquiera de los otros 8 nodos.
Resolviendo la red de la ruta ms corta, tenemos que la ruta ms corta y que

finaliza del Nodo 1 al Nodo 8 es de 4 kilmetros.
Modelo del rbol Mnimo de Expansin

50
ste problema surge cuando todos los nodos de la red deben conectarse entre
ellos sin formar un loop.
Loop: Es un camino cerrado entre redes.
El rbol de expansin mnima es apropiado para problemas en los cuales la
redundancia es expansiva o el flujo a lo largo de los arcos se considera
instantneo.
El modelo de rbol de mnima expansin se refiere al uso de las ramas o arcos de
la red para llegar a todos los nodos de la red de manera tal que se minimiza la
longitud total.
La aplicacin de ste modelo de redes se ubica en las redes de comunicacin
elctrica, telefnica, carretera o ferroviaria. Los arcos podran ser de alta tensin,
cables de fibra ptica o rutas areas.
Si n = al nmero de nodos, entonces la solucin ptima debe incluir n 1 arcos
Ejercicio (Mtodo del rbol Mnimo de Expansin)
51
11.- La compaa Ferrari desea enviar sus autos a todos sus puntos de
distribucin de automviles, pero la compaa desea evitar viajes innecesarios o
rutas muy largas, para evitar los costos altos. Por lo que ellos proporcionan una
red de distribucin a sus 6 puntos. Encontrar la mnima expansin de distancias de
envo.
Minimiza la Distancia a 110 kilmetros. Entregando a todos sus puntos de

distribucin sus autos.
Modelo de Flujo Mximo

52
Este problema se utiliza para reducir los embotellamientos entre ciertos puntos de
partida y destino de una red.
Existe un flujo que viaja desde un nico lugar de origen hacia un nico lugar de
destino a travs de arcos que conectan nodos intermedios.
Cada arco tiene una capacidad que no puede ser excedida.
La capacidad no necesariamente debe ser la misma para cada direccin del arco.
Hay que considerar la red con un nodo de entrada o llamado fuente y un nodo de
salida o llamado antinodo.
El problema del flujo mximo plantea la cantidad mxima de vehculos, lquido,
peatones o llamadas telefnicas que pueden entrar o salir del sistema en un
periodo determinado de tiempo.
Ejercicio (Mtodo de Flujo Mximo)

53
12.- La compaa Movistar desea saber cuntas llamadas telefnicas pueden

realizarse en una red telefnica representada en una red. Tiene como entrada a
sus antenas y sus salidas a otra conexin con otra red posiblemente. Formule el
modelo de red para maximiza el flujo respecto a la cantidad de llamadas que
puede realizarse.
Modelo PERT-CPM
54
Admitiendo que la ejecucin de un proyecto o elaboracin se puede subdividir en

planear, programar y controlar, y hablando de manera clsica, podemos considerar
las tcnicas PERT (Program Evaluation and review Technique) y el CPM (Critical
Path Method,) que son los ms usuales para ejecucin de proyectos. En general
estas tcnicas resultan tiles para una gran variedad de proyectos que
contemplen:
Investigacin y desarrollo de nuevos productos y procesos.
Construccin de plantas, edificios, y carreteras.
Diseo de equipo grande y complejo.
Diseo e instalacin de sistemas nuevos.
Diseo y control de epidemias,
Mltiples aplicaciones en las cuales se requiera una planificacin adecuada.
En los proyectos como estos, los administradores deben programas, coordinar las
diversas tareas o actividades a desarrollar un proyecto, las cuales no
necesariamente son secuenciales, y aun en este caso estas actividades son
interdependientes. Si bien es cierto que, algunas actividades en paralelo que
originan una tercera.
Las preguntas esenciales de la elaboracin de un proyecto comprenden:
Cul es el tiempo que se requiere para terminar el proyecto?
Cules son las fechas programadas de inicio y finalizacin del proyecto?
Que actividades son crticas y deben terminarse exactamente segn lo

programado para poder mantener el proyecto segn el cronograma?
55
Cuales actividades pueden ser demoradas sin afectar el tiempo de

terminacin del proyecto?
Modelo PERT
Nodo
Conecta las Actividades

La flecha indica las actividades.
Existen 3 tiempos:
Tiempo A que es Optimista

Tiempo B que es Probable
Tiempo C que es Pesimista.
Para calcular el tiempo cuando nos dan varios tiempos, se aplica sta frmula
para sacar un tiempo promedio de cada actividad.
t=
a+4 m+ b
6
Aqu se trabaja con cierto grado de incertidumbre y para la incertidumbre se

calcula la varianza con esta frmula:
( ba )2
V=
6
Reglas
Entre nodos solo hay una actividad.

56
Si 2 actividades deben salir de 1 un nodo a otro nodo, usar actividades
ficticias.
A un nodo pueden llegar varias actividades y salir varias actividades,
excepto en el primero que no llega nadie y en el ltimo que no sale nadie

No existe orden de magnitud vectorial.
Ninguna actividad puede empezar si no ha terminado la anterior.
Ninguna actividad puede conllevar a anteriores actividades.
Ejercicio (Mtodo PERT)
13.- Arme la red de acuerdo a los datos entregados:
Obtener la ruta crtica a seguir y tambin obtener la ruta crtica mediante la

tabla.
57
Ahora para resolver la red, se efecta el mtodo de la ruta crtica y tambin

que obtener los cuatro elementos (ES,EF,LS,LF) en cada nodo. Despus se
obtiene la holgura (H) que sale a partir de la diferencia entre (LS y ES) o (LF y
EF), si las holguras son iguales a 0 esa es la ruta que se debe seguir, a
continuacin se muestra la red ya resuelta.
Los factores ES y EF se obtienen en el viaje de ida de la red osea de izquierda

a derecha siguiendo el orden de los nodos y sumando sus distancias de cada
actividad. ES y EF en el viaje de ida se tachan los valores que son menores
como se v en la red en el caso que haya ms de un Factor EF como por
ejemplo en el nodo 5 y 7 que se tachan los factores EF, de cada nodo debido a
que existe ms de un EF en el nodo.
Los factores LS y LF se obtienen en el viaje de regreso de la red osea de
derecha a izquierda siguiendo el orden de los nodos y restando sus distancias
de cada actividad. LS y LF en el viaje de regreso se tachan los valores que son
mayores como se v en la red en el caso que haya ms de un Factor LS como
por ejemplo en el nodo 2 y 4 que se tachan los factores LS, de cada nodo
debido a que existe ms de un LS en el nodo.
58
Entonces la Ruta Crtica es por donde pasan las holguras con valor igual a 0, la
ruta crtica es A B D G, de nodos 1-2-4-6-7.
Ahora se resuelve por medio de la tabla de sta forma:
ES y LS son las soluciones principales para obtener LS y LF en la tabla, ES y

EF se obtienen viendo en la red el valor de ES en los nodos, es decir el nodo 1
59
tiene un ES de 0 e inicia con ese valor, EF se obtiene al sumar ES mas la

Distancia y lo mismo se hace con LS Y LF.
La solucin sea por red y por tabla va a ser la misma, la ruta crtica nunca va a
cambiar.
Modelo PERT COSTO

El modelo PERT COSTO consiste en aadir costos de reduccin al proyecto que
se elabore, por lo que es necesario detallar un ejercicio para mejor entendimiento.
Ejercicio (Mtodo PERT COSTO)
14.- La empresa SONY, est considerando desarrollar una particular versin de
lujo de un producto tecnolgico, las actividades necesarias para la elaboracin de
una Sony Vaio 3570 new model, son las siguientes:
a)
b)
c)
d)
Determinar Camino Crtico y el Plazo de Terminacin.

Determinar el Costo Normal del Proyecto.
Cul es la Probabilidad de reducir el proyecto en 1 semana?
Cul es el tiempo mximo que puede reducirse el proyecto y cuanto es su
costo total?
e) Si se desea reducir el tiempo necesario para la finalizacin del proyecto en
1 semana, qu actividad deber reducirse y cuanto incrementara el Costo
Total?
60
a).- Determinar Camino Crtico y el Plazo de Terminacin.

Se procede a armar la red y a encontrar la ruta crtica mediante el grafico y la
tabla.
La ruta crtica es el proceso de las actividades A-D-G con una terminacin de 16

semanas.
61
b).- Determinar el Costo Normal del Proyecto
Entonces el Costo Normal del Proyecto es de 12300 dlares.
c).- Cul es la Probabilidad de reducir el proyecto en 1 semana?
62
Los valores de z se obtienen en base a la tabla de los datos que se usa para
estadstica inferencial y que viene de la Tabla de la Distribucin de Probabilidad
Normal.
Para
reducir
una
semana se escoge la
semana
que
menor
costo tenga, ste costo
menor se coge en la
fila de la variacin del
costo ante la variacin
del tiempo, es decir se
coge el valor de 75
Entonces
el
costo
adicional
por
restar
una
semana
de
terminacin es de 75
dlares,
que
al
totalizar el costo sera
de 12375 dlares como
d).- Cul es el tiempo mximo que puede reducirse el proyecto y cuanto es su

costo total?
63
El tiempo mximo que se puede reducir es 4 semanas a un costo adicional de 75

dlares por actividad reducida, se obtiene un costo total reducido de 300 dlares y
totalizando el costo tenemos un costo total de 12600 dlares del proyecto.
e).- Si se desea reducir el tiempo necesario para la finalizacin del proyecto en 1

semana, qu actividad deber reducirse y cuanto incrementara el Costo Total?
Se reducira la actividad D, de 8 semanas a 4 semanas incrementando el costo
total de 12300 a 12600 dlares, lo que significa que si es que quiero terminar mi
64
proyecto en menos semanas, implica un costo adicional por cada semana,

siempre y cuando no afecte a mi ruta crtica en el proceso.
UNIDAD 4
MODELO DE INVENTARIOS
El modelo de Inventarios sale por la necesidad de no tener escasez.
En los inventarios no se paraliza la produccin.
ste estudio se enfoca a economas de Escala.
Caractersticas del Modelo
Se busca identificacin, es decir; Cundo se debe pedir y Cunto se debe pedir

con relacin a la Mercadera que se requiere pero al menor costo posible.
Nos adentramos al estudio de la demanda, dentro de las empresas se maneja
mucho dos tipos de demanda en inventarios y son:
65
Demanda
Independient
e
Determinstic
os
Probabilstico
s
Dependiente
Uso del MRP
Demanda Independiente: Dice de un artculo que no depende de otro, no

tiene similitud, lo que generalmente ocurre con empresas de servicios.
Dentro de ste tipo de demanda encontramos modelos Determinsticos y

probabilsticos.
Los modelos Determinsticos se refieren al cierto grado de certeza que tiene el

modelo.
Los modelos Probabilsticos se refieren al cierto grado de incertidumbre que

lanza el modelo.
66
Demanda Dependiente: Es la demanda que depende de los procesos de

elaboracin
del
artculo. Aqu
se
usa
el
MRP (Planificacin
de
Requerimiento de Material).
Nosotros nos infiltraremos al estudio del Modelo Determinstico.
Modelo Determinstico
Dentro de ste modelo se encuentra el Lote Econmico de Pedido, la demanda o
cantidad de produccin y el lote econmico con descuentos.
Se estudiar el Lote Econmico de Pedido el cual tiene la siguiente Nomenclatura
para resolver ejercicios de inventarios, la nomenclatura se representa as con su
respectiva leyenda o significado:
La demanda es conocida y constante (D).

El tiempo de Entrega es Conocido (L).
Existe costo unitario de compra (C).
Costo de pedido o costo de organizacin o preparacin (S).
Costo unitario de almacenamiento o de mantenimiento (H).
Inventario mximo o Cantidad ptima (Q*).
No se acepta descuentos ni dficit.
Entonces podemos deducir mediante sta nomenclatura las siguientes frmulas:
Costo total de Compras en relacin a la Demanda

67
CTCD=(C x D)
Costo total de pedido
Q x S
D
C TP=
Costo total de almacenamiento

C TH =
Q
xH
2
Costo total
Q x S
D
(
C T = C x D )+
Lote Econmico
Dentro del lote Econmico encontramos otras formulas que se indican a
continuacin y que son importantes en la aplicacin de las anteriores,
ste modelo tiene la forma de serrucho.
68
EL PUNTO DE EQUILIBRIO SE
ALNCANZA
CUANDO
EL
COSTO
DE
ALMACENAMIENTO ES IGUAL
AL COSTO DE PEDIDO Y DE
AH
SE
OBTIENE
LA
FORMULA PARA OBTENER Q*
Ejercicio (MODELO DE INVENTARIOS)

15.- Mercedes Benz compra aproximadamente 48 autos de lujo en el curso de 1
ao a un costo de 20000$ cada uno. A la empresa MC LAREN, para su reventa a
empresas automotrices. Cada pedido incurre a un costo fijo de 75000& por cargas
de procesamiento y entrega y llega 1 semana despus de haber sido hecho.
69
Suponiendo una tasa de transferencia anual del 25%, utilice las formulas para
determinar:
a)
b)
c)
d)
e)
f)
La cantidad Econmica de pedidos.

El punto de renovacin de pedidos.
El N de pedidos por ao.
El tiempo entre pedidos en semanas.
El costo total anual.
En qu cantidad debera incrementarse el costo de 1 auto para que la
cantidad de pedidos disminuya en 5%.

g) Se prev que la demanda de llantas, con los datos originales para el ao
siguiente aumente en 9%, Cul sera el costo total?
Datos:
D= 48 autos/ao
C= 20000$
S= 75000$
i= 25% o 0,25
L= 1 semana
a).- La cantidad Econmica de pedidos.
b).- El punto de renovacin de pedidos.
c).- El N de pedidos por ao.

70
d).- El tiempo entre pedidos en semanas.
e).- El costo total anual.
El costo total anual es de 1149,736.84 dlares.

f).- En qu cantidad debera incrementarse el costo de 1 auto para que la cantidad
de pedidos disminuya en 5%.
71
Entonces de acuerdo al costo unitario tenemos que es de 20000 y el costo

incrementado es 22222.22 quiere decir que el costo debe incrementarse en
2222.22 para que la cantidad de pedidos disminuya en 5%.
g).- Se prev que la demanda de llantas, con los datos originales para el ao
siguiente aumente en 9%, Cul sera el costo total?
El nuevo costo total anual es de 1237,500.00 dlares.
ANEXOS
72
EJERCICIOS ADICIONALES
METODO GRFICO, ALGEBRAICO, SIMPLEX Y DUAL (EJERCICIOS
FACTIBLES DE RESOLVER POR CUALQUIER MTODO)
A una empresa le toca 1 milln de dlares de una lotera y le aconsejan que invierta en dos
tipos de acciones A y B, las del tipo A tienen ms riesgo pero producen un beneficio del
10% anual. Las del tipo B son menos seguras y producen un beneficio del 7% anual.
Despus de varias deliberaciones, decide invertir como mximo 0.6 millones en la compra
de acciones A y por lo menos 0,2 millones en acciones B. Adems decide que lo invertido
en A sea por lo menos igual a lo invertido en B, cmo deber invertir la empresa para que
el Beneficio sea Mximo?. RESPUESTA: INVERTIR 0.6 MILLONES EN A Y 0.4
MILLONES EN B PARA MAXIMIZAR EL BENEFICIO A 88000 DLARES.
FERRARI COMPANY, fabrica autos compactos y subcompactos. La produccin de cada

auto requiere de una cierta cantidad de materia prima y mano de obra como se especifica
en la siguiente tabla:
La divisin de comercializacin ha estimado que a lo ms 1500 compactos pueden venderse a

10000 dlares cada uno y que a lo ms 200 subcompactos pueden venderse a 8000 dlares cada
uno. Formule el modelo matemtico para determinar la cantidad ptima a producir y las mximas
ganancias (Ingresos Gastos). RESPUESTA: VENDER 250 COMPACTOS Y 200
SUBCOMPACTOS PARA OBTENER UNA GANANCIA DE 2705.000.00.
Un sastre tiene 80 metros de tela y 120 metros de lana. Un terno requiere 1 metro de tela y
3 metros de lana, un vestido requiere de 2 metros de tela 2 metros de lana. Cul es el
nmero ternos y vestidos que el sastre debe producir para maximizar sus utilidades si un
terno y un vestido la dan un beneficio de 5 dlares cada uno.RESPUESTA: PRODUCIR 20
TERNOS Y 30 VESTIDOS PARA OBTENER UNA GANANCIA DE 250 DLARES.
Petrleos del Ecuador puede comprar dos tipos de crudo, crudo ligeros y crudo pesado a
un costo de 25 y 22 dlares respectivamente. Cada barril de crudo produce tres tipos de
combustibles que son gasolina, turbosina y octurbina. La siguiente tabla indica las
proporciones en barriles para producir cada tipo de combustible.
La refinera se ha comprometido a enviar 1260000 barriles de gasolina, 900000 barriles de

turbosina y 300000 de octurbina a Petrleos del Ecuador. Como gerente de produccin formula el
73
modelo para minimizar los costos totales y deduce las cantidades de crudo a mezclar para obtener
cada tipo de combustible. RESPUESTA: Mezclar 1400000 barriles de crudo ligero y 1800000
barriles de crudo pesado para minimizar los costos de envo de lso combustibles a
65800000 millones de dlares.
MODELO DE TRANSPORTE
Lamborgini desea determinar el costo mnimo de transporte de su producto estrella que es

el Murcilago LP640, si Lamborgini distribuye desde sus tres plnatas de produccin hasta
sus tres distribuidoras principales. La informacin de las plantas y de las distribuidoras se
indican en las tablas:
RESPUESTA: Enviar los Lamborgini LP640 de planta A a Distribuidora 3 5000 autos, de

planta B a Distribuidora 1 2500 autos, de planta B a Distribuidora 3 500 autos, de planta C a
Distribuidora 1 1500 autos y de planta C a distribuidora2 6000 autos para minimizar el costo
de envo a 145000 dlares.
MODELO DE ASIGNACIN
Una empresa de marketing acaba de recibir solicitudes de estudios de investigacin de

mercadera de 3 nuevos clientes. La empresa debe asignar lderes de proyecto a cada uno
de esos tres nuevos estudios de investigacin. Tres personas estn relativamente libres de
otros compromisos y se hallan disponibles para ser asignados como encargados del
proyecto. Como se ha considerado que los 3 proyectos tienen aproximadamente la misma
prioridad, la empresa deseara asignar jefes de proyecto de tal manera que se minimice el
nmero de das necesarios para terminar con los tres proyectos. Si se debe asignar un jefe
a cada cliente, qu asignaciones debe hacerse?
ARBOL MNIMO DE EXPANSIN

74
RUTA MS CORTA
RED PERT
Bibliografa
75
ANDERSON, SYNDEY D. INVESTIGACIN DE OPERACIONES.

WILLIAMS T (INTRODUCCIN A LOS MODELOS CUANTITATIVOS
PARA LA ADMINISTRACIN/ EDITORIAL IBEROAMRICA.

HUILLIER F & LIEBMAN E, INTRODUCCIN A LA INVESTIGACIN DE
OPERACIONES MC.GRAW HILL.
Software
MICROSOFT EXCEL 2010 / SOLVER.

WINQSB 2.0 (PROGRAMA PARA RESOLUCIN DE PROBLEMAS
OPERATIVOS EN MTODO DIGITAL).

INVOP (SIMULADOR DE COMPROBACIN DE RESULTADOS)
WINQSB4.5 (PROGRAMA COMPLETO QUE INCUYE REDES
MODELOS DETERMINSTICOS Y ESTOCSTICOS.
FIN
76

Finalinvestigaciondeoperacionesjoeescobarcuartob 140406191506 Phpapp01

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Finalinvestigaciondeoperacionesjoeescobarcuartob 140406191506 Phpapp01

Cargado por

Copyright:

Formatos disponibles

AGRADECIMIENTO

Pontificia Universidad Catlica del Ecuador Sede Ambato

Proyecto de Investigacin Operativa.

El investigador, estudiante y futuro profesional, agradece los

EXISTE SOLUCIN PARA

Proyecto de Investigacin Operativa.

Unidad 1 Introduccin a la Investigacin Operativa.

1.1.- Breve historia, caractersticas y limitaciones de la Investigacin Operativa.

Unidad 2 Modelos de programacin lineal.

2.1.- Caractersticas de los Modelos de Programacin Lineal.

Unidad 3 Modelos de Redes

3.1.- Teora de los Grafos.

Unidad 4 Modelo de Inventarios

4.1.- Caractersticas de los Modelos de Inventarios.

Proyecto de Investigacin Operativa.

4.2.- Modelos Determinsticos.

Modelos de Programacin Lineal

El que propuso el modelo de Inventario fue el Sr. HARRIS, y se enfoc al lote

Proyecto de Investigacin Operativa.

La actividad debe tener un propsito.

Proceso para Solucionar Problemas

1.- Identificar el Problema

En investigacin de operaciones slo se puede llevar a cabo un objetivo, tenemos

Es la representacin real o fsica abstracta de lo real.

Pontificia Universidad Catlica del Ecuador Sede Ambato

Proyecto de Investigacin Operativa.

Pueden ser modelos fsicos que son la representacin real de lo icnico o

Modelo de tipo esttico y dinmico.

Proyecto de Investigacin Operativa.

Para la metodologa se sigue una serie de pasos que se describen en un diagrama

Se construye otro modelo

Pontificia Universidad Catlica del Ecuador Sede Ambato

Proyecto de Investigacin Operativa.

Identificar las Variables de Decisin (Identificar con qu unidades)

Existen restricciones de tipo:

Fsica (Capacidad del Hombre y Maquinaria).

Ejercicios de Construccin de Modelos

Proyecto de Investigacin Operativa.

Cunto alimento de cada tipo se debe combinar para minimizar costos y a su

x1 = Cantidad de Onzas de Alimento I

Z = 0.05X1+0.08X2 (La funcin Objetivo se da en funcin del Costos o Beneficio)

Restricciones (Modelo Matemtico)

4x1 + 10x2 40 (Fsica)

Son inecuaciones o representaciones de tipo lineal.

Para resolver los problemas planteados se efecta de dos mtodos:

Pontificia Universidad Catlica del Ecuador Sede Ambato

Proyecto de Investigacin Operativa.

Estos dos mtodos solo sirven para 2 variables de decisin.

Ejercicio de Mtodo Grfico

Proyecto de Investigacin Operativa.

x1 = Cantidad de tartas Vienesas

Z = 250X1+400X2 (La funcin Objetivo se da en funcin del Costos o Beneficio)

Restricciones (Modelo Matemtico)

Proyecto de Investigacin Operativa.

Encontremos los vrtices:

, por suma y resta obtenemos y=50, x=100

Proyecto de Investigacin Operativa.

Los vrtices de la regin son:

El mximo beneficio es 45.000 y se obtiene en el punto B (100, 50)

Ejercicio de Mtodo Algebraico

Proyecto de Investigacin Operativa.

Z = 250X1+400X2 (La funcin Objetivo se da en funcin del Costos o Beneficio)

Restricciones (Modelo Matemtico)